[發明專利]一種輸電線路絕緣子缺陷圖像識別方法

有效

• 申請號: 202010175936.3
• 申請日: 2020-03-13
• 公開（公告）號: CN111292321B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 彭子豪;彭顯剛
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V20/13;G06V10/26;G06V10/46;G06V10/74;G06Q10/00;G06Q50/06;G06T7/136
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

1.一種輸電線路絕緣子缺陷圖像識別方法，其特征在于，所述方法包括以下步驟：

S1：收集輸電線路巡維部門日常工作拍攝到的完好絕緣子圖片，建立絕緣子圖像的樣本庫；

S2：對待識別絕緣子圖片的灰度化；

S3：通過圖像最大熵分割法將灰度化后的待識別絕緣子圖片劃分成環境背景區域和絕緣子區域；

S4：將劃分好區域的圖像數據通過局部細節特征算法確定圖像數據中的絕緣子輪廓和其灰度值；

S5：將已處理的絕緣子圖像與樣本庫進行圖像匹配，確定絕緣子是否存在缺陷；

S3具體為：在獲取待識別絕緣子圖片的圖像數據中每個像素點的灰度值后，確定一個灰度初始值，規定圖像數據中大于這個灰度值為前景，小于這個灰度值為背景；并統計圖像數據中背景出現的概率P_T，則前景出現的概率為1-P_T，再計算每個灰度值在前景和背景中的信息熵，循環遍歷灰度值，使得兩者信息熵和最大；比較兩者信息熵和與當前最大信息熵的大小，確定新的最大信息熵后，循環遍歷查找到對應的灰度值，圖像中灰度大于此分割值的像素作為前景，否則作為背景，分割物體與背景；

信息熵的計算公式為：

其中，P(x)代表的是灰度x出現的頻率，H表示信息熵；

S3包括：

S3.1：取i作為閾值，i屬于[0，255]，對灰度圖像進行區分，低于閾值的為背景B，高于閾值的為物體O，設置一個最大信息熵；

S3.2：計算每個灰度值在背景B，物體O中的概率：

在背景中的概率為：

在物體中的概率為：

其中，T為圖像數據中灰度值小于i的點數量，L為圖像數據中點的總數；

S3.3：分別計算灰度i在背景、物體中的信息熵，并將兩者信息熵相加，將得到的總和與最大信息熵對比，若大于則將總和作為新的最大信息熵，將i設為二值化的閾值；若總和小于最大信息熵，則新的最大信息熵值等于該最大信息熵值；

分別對圖像中的每一個灰度進行S3.2，S3.3步驟，直到i大于255；

S3.4：經S3.3處理后得到新的最大信息熵后，循環遍歷查找到對應的灰度值，以該灰度值作為分割值；圖像中灰度大于此分割值的像素作為前景，否則作為背景，分割物體與背景；S4包括：

S4.1：輸入分割好后的前景中待測像素點M；

S4.2：檢索待測像素點M周邊點的灰度值，判斷其周邊8個相鄰點中依次灰度值之間的絕對值之和是否小于等于2，若小于等于2，則M點為前景物體的分支點；若大于2，則M點為前景物體的端點；

如果M點是端點，則它的鄰域點滿足式：

如果M點是分支點，則它的鄰域點滿足式：

其中，R(k)為待測像素點M周邊的第K個相鄰點的灰度值；

S4.3：通過循環搜索比較，確定物體邊緣關鍵點，再來實現圖像的旋轉不變性，根據檢測到的關鍵點的局部圖像結構為特征點的方向賦值，求各個特征點主方向角度；

使用有限差分，以關鍵點為中心，以3×1.5σ為半徑的區域內圖像梯度的幅角和幅值，公式如下：

L(x,y)＝G(x,y,σ)*I(x,y)

其中，m和n分別表示圖像矩陣的行數和列數，G(x,y,σ)為標準差為σ的正態分布函數；I(x,y)為灰度函數，L(x,y)表示用高斯函數進行加權處理，m(x,y)為圖像梯度的幅值，q(x,y)為圖像梯度的幅角，σ為正態分布標準差。

2.根據權利要求1所述的輸電線路絕緣子缺陷圖像識別方法，其特征在于，S2具體為：將待識別絕緣子圖片的圖像數據中三個分量以不同的權值進行加權平均，獲取待識別絕緣子圖片的圖像數據中每個像素點的灰度值；得到合理的灰度圖像，通過灰度化后的圖像計算分析圖像數據的梯度。

3.根據權利要求2所述的輸電線路絕緣子缺陷圖像識別方法，其特征在于，加權平均公式為：

I(m,n)＝0.30R(m,n)+0.59G(m,n)+0.11B(m,n)(mHeight；nWidth)

其中，I(m,n)為灰度值，m為圖像數據矩陣的行數，n為圖像數據矩陣的列數。